基于特征點的圖像匹配技術(shù)研究.pdf

1、圖像配準(zhǔn)是對取自不同時間、不同傳感器或者不同視角的同一場景的兩幅圖像或者多幅圖像進(jìn)行匹配的過程，隨著計算機視覺技術(shù)的發(fā)展，圖像匹配技術(shù)被廣泛地應(yīng)用在遙感圖像、醫(yī)學(xué)圖像、三維重構(gòu)、機器人視覺等諸多領(lǐng)域中。圖像配準(zhǔn)的方法大致分為兩類：基于像素的圖像配準(zhǔn)方法和基于特征的圖像配準(zhǔn)方法。而基于特征的圖像配準(zhǔn)方法是目前圖像配準(zhǔn)最常用的方法，其最大的優(yōu)點在于能夠?qū)φ麄€圖像進(jìn)行的各種分析轉(zhuǎn)化為對圖像特征（特征點、特征曲線等）的分析，從而大大減小了圖像

2、處理過程的運算量。經(jīng)過多年的研究，基于特征的圖像配準(zhǔn)技術(shù)已經(jīng)取得了一定的研究成果，其主要步驟包括：圖像采集、特征提取、特征匹配、圖像變換。
　　 本文內(nèi)容以圖像配準(zhǔn)的四個步驟為主線，首先概括介紹圖像配準(zhǔn)技術(shù)的研究現(xiàn)狀、特點及應(yīng)用領(lǐng)域，從而展示了圖像配準(zhǔn)技術(shù)廣闊的應(yīng)用前景。接著根據(jù)不同的硬件采集設(shè)備介紹了圖像采集的兩種方式以及圖像配準(zhǔn)常用的數(shù)學(xué)模型。論文分析和總結(jié)了現(xiàn)有圖像匹配的主要方法、性能以及存在的問題，主要研究了兩個方面的內(nèi)

3、容：(1)本文通過研究邊緣特征和點特征，著重介紹了SIFT(Scale Invariant Feature Transform)點的形成過程以及涉及的邊緣提取技術(shù)，為了改善信噪比低的圖像的邊緣檢測效果，提出了一種基于多尺度多結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)與Canny算子相結(jié)合的邊緣檢測算法，得到的邊緣比較清晰，圖像的細(xì)節(jié)表現(xiàn)力和抗噪能力得到加強，為后續(xù)的特征提取、目標(biāo)識別打下了良好的基礎(chǔ)；(2)在經(jīng)典的SIFT特征點的基礎(chǔ)上，針對不同的視角拍攝、

4、不同的光照和明暗變換、尤其包含考驗匹配算法的相似結(jié)構(gòu)多的情形的圖片，提出了一種基于網(wǎng)絡(luò)流的特征優(yōu)化匹配算法－最小費用K流算法(MKP)。該算法綜合利用了SIFT特征點的方向信息和梯度信息，采用本文改進(jìn)的匹配度量函數(shù)衡量特征點之間的相似性來作為流網(wǎng)絡(luò)上的費用，借助于最小費用最大流的算法求出特征點之間的最優(yōu)匹配點對，根據(jù)弧上的匹配度量比值和雙向檢查約束的方法來剔除偽匹配對，得到兩幅圖像的優(yōu)化匹配點對，匹配準(zhǔn)確率比一些經(jīng)典算法提高了14％，使